Erfahrungswissen für die Zukunft bewahren
Mehr Tempo, mehr Service, mehr Innovation versus Jobverlust, Datenmissbrauch und Cybercrime: KI ist auch in der Assekuranz Top-Thema. In unserer Kolumne PROMPT! beziehen Expertinnen und Entscheider Stellung. Heute: Emilia Dang, Innovation Developerin im Innovation Lab der ERGO Group AG.
(Foto: DeGrate Photography)
Wertvolles Wissen steht nicht immer in Handbüchern. Vieles, was uns im Berufsalltag begleitet, stammt aus persönlichen Gesprächen, Routinen oder dem berühmten Bauchgefühl. Dieses informelle Erfahrungswissen („Tribal Knowledge“) prägt die gesamte Wertschöpfungskette eines Unternehmens. Das ist gelebte Praxis. Doch mit jedem Ruhestand, jeder internen Rotation oder jedem Unternehmenswechsel besteht die Gefahr, dass dieses Wissen Organisationen verlässt. Rund ein Viertel der Beschäftigten der Versicherungsbranche gehört zur Generation der „Babyboomer“, so der Branchenverband GDV. Ein großer Teil dieser Mitarbeiterinnen und Mitarbeiter geht in den kommenden fünf Jahren in Rente – und mit ihnen ihr umfassender Erfahrungsschatz.
Worauf es in der Praxis ankommt
Um Wissen langfristig zu erhalten, können selbstlernende „Self Evolving“ oder „Self Improving Agents“ helfen. Diese agentischen KI-Systeme führen nicht nur Aufgaben aus, sondern passen ihre Strategien und Arbeitsabläufe iterativ an. Sie lernen aus Entscheidungen und Ausnahmen von Experten und machen so deren Erfahrungswissen als institutionelles Gedächtnis verfügbar. Dabei gibt es in der Praxis jedoch einige grundlegende Herausforderungen.
Die erste liegt in der Natur der KI selbst: Das als „catastrophic forgetting“ bekannte Phänomen beschreibt, wie künstliche neuronale Netze dazu neigen, zuvor erlernte Informationen zu vergessen, wenn sie auf neue Daten trainiert werden. Die zweite liegt in der Dynamik der Umgebungen: Wenn sich Rahmenbedingungen, Daten oder Geschäftskontexte ändern, kann die Leistung eines Agenten schrittweise nachlassen und er beginnt womöglich, auf veraltetes oder nicht mehr passendes Wissen zuzugreifen. Um dem vorzubeugen, braucht es die Fähigkeit, die Performance kontinuierlich zu überwachen und rechtzeitig Korrekturmaßnahmen einzusetzen. Auch die Zusammenarbeit mit Menschen ist entscheidend: Der Agent muss im engen Austausch mit Fachleuten stehen, um von ihnen zu lernen, gezielt Informationen anzufragen oder außergewöhnliche Fälle und Arbeitsabläufe zu beobachten. So können Fehlentscheidungen und Sonderfälle analysiert, mit Regeln abgeglichen und anschließend kontrolliert in das System zurückgespielt werden. Um die Agenten im hochregulierten Finanzumfeld sicher und regelkonform einsetzen zu können, müssen zudem bestimmte Anforderungen an die „Enterprise Readiness“ erfüllt sein. Dazu gehören etwa klare Governance- und Compliance-Strukturen, Identitäts- und Zugriffsmanagement, Beobachtungskonzepte, Datenschutzmaßnahmen oder ein aktives Change Management.
Langfristige Beziehung aktiv gestalten
„Tribal Knowledge“ war lange eines der am wenigsten sichtbaren Vermögensgüter in Konzernen. Selbstlernende Agenten verändern nun die Art und Weise, wie dieses Wissen künftig erfasst und genutzt werden kann. Gleichzeitig erfordert ihr Einsatz Stabilität, Verantwortung und Kontrolle im Unternehmen. In diesem Sinne liegt die eigentliche Innovation nicht nur bei intelligenteren Modellen, sondern in der Art, wie eine langfristige Beziehung zwischen menschlicher Expertise, organisationalem Wissen und adaptiven KI-Systemen gebildet wird. Wer diese Entwicklung aktiv gestaltet, kann gelebtes Know-how über Personen und Teams hinweg bewahren – und damit die Zukunftsfähigkeit der eigenen Organisation stärken
Weitere Artikel
PKV beraten, nicht verkaufen
Wenn Modelle austauschbar werden, zählen die Daten
